一种基于脑电的疲劳检测装置和检测方法

AITNT
正文
推荐专利
一种基于脑电的疲劳检测装置和检测方法
申请号:CN202411079340
申请日期:2024-08-07
公开号:CN118975805A
公开日期:2024-11-19
类型:发明专利
摘要
本发明涉及一种基于脑电的疲劳检测装置,所述检测装置包括脑电采集模块、脑电处理模块、脑电分析模块以及疲劳反馈模块,其中,脑电采集模块:使用凝胶电极采集用户原始脑电信号,脑电处理模块,陷波滤波的眨眼信号的提取,对采集到的脑电信号进行滤波,找到眨眼信号的次数,以提取眨眼信号节律,通过多尺度模糊熵来对原始脑电节律进行提取,找出在疲劳时脑电的节律特性;脑电分析模块,将整合之后的数据使用改进的深度学习模型进行分类,该模型部署在端侧芯片上进行推理,疲劳反馈模块:将分类得到的疲劳判断判断结果使用蓝牙模块反馈到用户手机或电脑上,该方案为用户提供一种便捷的、高精度的、准确的疲劳检测设备,另外提供一种基于脑电的疲劳检测方法。
技术关键词
脑电分析模块 疲劳检测装置 凝胶电极 脑电特征提取 脑电信号采集 原始脑电信号 检查方法 矩阵 陷波滤波 深度学习模型 注意力 Softmax函数 疲劳检测设备 无线发送设备 疲劳检测方法 模糊隶属函数 采样点
系统为您推荐了相关专利信息
1
一种基于凸优化的运动想象脑电信号分类方法及系统
协方差矩阵 空间滤波器 运动想象脑电信号 分类准确率 线性
2
融合深度学习的脑电波智能调节助眠系统及控制方法
脑电波智能 融合深度学习 助眠系统 智能助眠 助眠设备
3
一种脑卒中患者语言解析评估方法、系统及电子设备
信号强度阈值 数据 患者 输出模块 语音
4
一种基于难治性抑郁症经颅磁刺激治疗效果的评估系统
难治性抑郁症 评估系统 Pearson相关系数 支持向量机回归模型 血红蛋白
5
基于多模态信号与深度学习的脑力疲劳实时评估预测方法
评估预测方法 动态脑功能网络 多模态 深度卷积神经网络 频域特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号